CN112542853A - 基于人工智能的风电并网频率响应控制方法及系统 - Google Patents

基于人工智能的风电并网频率响应控制方法及系统 Download PDF

Info

Publication number
CN112542853A
CN112542853A CN202011359064.2A CN202011359064A CN112542853A CN 112542853 A CN112542853 A CN 112542853A CN 202011359064 A CN202011359064 A CN 202011359064A CN 112542853 A CN112542853 A CN 112542853A
Authority
CN
China
Prior art keywords
frequency
frequency response
wind turbine
power grid
wind
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011359064.2A
Other languages
English (en)
Other versions
CN112542853B (zh
Inventor
田云峰
何红光
周晓青
刘海旭
杨凯
臧鹏
王德伟
王铮
张改利
贾洪岩
郝峰
刘景超
岳杰
付江龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd
Hebei University of Architecture
Original Assignee
State Grid Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd
Hebei University of Architecture
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd, Hebei University of Architecture filed Critical State Grid Xinyuan Zhangjiakou Scenery Storage Demonstration Power Plant Co ltd
Priority to CN202011359064.2A priority Critical patent/CN112542853B/zh
Publication of CN112542853A publication Critical patent/CN112542853A/zh
Application granted granted Critical
Publication of CN112542853B publication Critical patent/CN112542853B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本申请提供一种基于人工智能的风电并网频率响应控制方法及系统，该方法包括如下步骤：采集风电并网系统的频率响应数据；对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据；根据异常频率响应数据，计算系统频率响应的评价分值；判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，执行第一频率反馈调控方法。本申请有效缓解了系统的调频压力，对系统的频率波动平抑效果良好，保证了系统输出至电网的功率的稳定性，从而保证电网供电的稳定性。

Description

基于人工智能的风电并网频率响应控制方法及系统
技术领域
本申请涉及风电并网技术领域，尤其涉及一种基于人工智能的风电并网频率响应控制方法及系统。
背景技术
并网运行的风力发电接入电力系统运行，为了保证电力系统的有功功率平衡，频率的稳定性的维持尤为重要。大规模的风电场风电机组的数目众多，并且由于风电场空间分布使得大规模风电机在同一时刻的运行状态存在一定的差异，增加了对风电并网系统频率稳定性研究的难度。风电场并网后，风电系统的频率特性将会影响并网系统的频率变化情况。当并网系统功荷平衡被打破时，并网系统频率将以一定的速度上升或下降，频率变化的速度受到系统惯性的影响，系统惯性越弱，频率变化越快，并网系统的平均惯性常数由所接入系统中的同步发动机共同决定，系统频率波动后，同步发动机的转速会快速响应频率变化。若风电场出力不稳定，需要根据风电场出力(输送的有功功率)是否充足，进行风电频率响应分析，系统据此做出灵活的控制或者调整措施。
由于风能具有随机性、间歇性和不稳定性的特点，因此，当风电装机容量占电网容量的比例较大时会对电网的稳定性和安全性带来冲击。由于风力发电的波动性和间歇性给电网的电能质量带来了严重的影响，如电压波动、电压偏差、闪变和谐波。
发明内容
本申请的目的在于提供一种基于人工智能的风电并网频率响应控制方法及系统，有效缓解了系统的调频压力，对系统的频率波动平抑效果良好，保证了系统输出至电网的功率的稳定性，从而保证电网供电的稳定性。
为达到上述目的，本申请提供一种基于人工智能的风电并网频率响应控制方法，该方法包括如下步骤：采集风电并网系统的频率响应数据；对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据；根据异常频率响应数据，计算系统频率响应的评价分值；判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，执行第一频率反馈调控方法。
如上的，其中，第一频率反馈调控方法包括如下步骤：实时采集风电机组的环境数据和风电并网系统的响应数据；根据响应数据，计算风电机组的目标转速和调差系数；根据计算的风电机组的目标转速和调差系数，增大风电机组的转子转速，并减小风电机组的调差系数，对风电并网系统进行调频。
如上的，其中，风电机组的目标转速计算公式为：
Figure BDA0002803510220000021
其中，Wmu表示风电机组的目标转速；Pmu表示风电机组实际输出的有功功率的与目标有功功率的差值；vye表示最佳风机轮转速；k表示风电机组的传动系数；
Figure BDA0002803510220000022
表示风电机组的发电效率；l表示风能最大利用系数；r表示风电机组的风轮半径。
如上的，其中，风电机组的调差系数计算公式为：
Figure BDA0002803510220000031
其中，δ表示风电机组调差系数，Δpfa表示风电机组的有功功率偏差值；Δfxi表示系统的频率偏差值；λ表示系统频率变化率；vfeng表示环境风速；ln()表示函数。
如上的，其中，第二频率反馈调控方法包括如下子步骤：获取风电机组输出端口的状态数据；根据获取的风电机组输出端口的状态数据，计算风电机组的有功功率增加值；判断风电机组的有功功率增加值是否大于风电并网系统的有功功率减小值，若是，则风电机组将剩余能量的预设比例进行存储；否则，向风电机组补偿能量。
如上的，其中，向风电机组补偿能量的方法包括如下步骤：根据风电机组的有功功率增加值和风电并网系统的有功功率减小值，计算有功功率补偿差值；根据有功功率补偿差值，计算储能系统的功率调节系数；根据风电并网系统的频率变化数据和储能系统的功率调节系数，计算储能系统需要提供给风电机组的调频输出功率值；根据计算的调频输出功率值，储能系统向风电机组注入能量。
如上的，其中，对频率偏移进行评估包括如下步骤：计算频率响应评价指标的具体值；根据计算的评价指标的具体值，计算频率响应的评价分值。
如上的，其中，频率响应评价指标包括如下指标：频率波动的严重指数、最低点频率响应值、稳态频率响应值、频率初始下降率、频率的平均变化率和频率偏移最大量。
如上的，其中，根据预先训练的频率响应异常识别模型对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据。
本申请还提供一种基于人工智能的风电并网频率响应控制系统，该系统包括：数据采集模块，用于采集风电并网系统的频率响应数据；频率异常识别模块，用于对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据；评价模块，用于根据异常频率响应数据，计算系统频率响应的评价分值；频率调控模块，用于判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，执行第一频率反馈调控方法。
本申请实现的有益效果如下：
(1)本申请利用储能系统和风电机组共同调节频率波动，有效缓解了系统的调频压力，对系统的频率波动平抑效果良好，保证了系统输出至电网的功率的稳定性，从而保证电网供电的稳定性，用电设备的稳定运行。
(2)本申请将风电机组自身转子转动产生的能量的剩余部分存储至储能系统，有效的节约了能量，提高系统的经济效益。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种基于人工智能的风电并网频率响应控制方法的流程图。
图2为本申请实施例的预先训练频率响应异常识别模型的方法流程图。
图3为本申请实施例的对频率偏移进行评估的方法流程图。
图4为本申请实施例的计算频率响应各项评价指标的具体值的方法流程图。
图5为本申请实施例的第一频率反馈调控方法的流程图。
图6为本申请实施例的第二频率反馈调控方法的流程图。
图7为本申请实施例的向风电机组补偿能量的方法流程图。
图8为本申请实施例的一种基于人工智能的风电并网频率响应控制系统的结构示意图。
附图标记：10-数据采集模块；20-频率异常识别模块；30-评价模块；40-频率调控模块；100-频率响应控制系统。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例一
如图1所示，本申请提供了一种基于人工智能的风电并网频率响应控制方法，该方法包括如下步骤：
步骤S1，采集风电并网系统的频率响应数据。
步骤S2，根据预先训练的频率响应异常识别模型对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据。
根据本发明的一个具体实施例，识别出频率响应数据中存在频率异常后，发出频率异常报警信号。
如图2所示，预先训练频率响应异常识别模型包括如下子步骤：
步骤T1，建立基础卷积神经网络模型。
其中，基础卷积神经网络模型包括输出层、卷积层和输出层。
步骤T2，为基础卷积神经网络模型选择激活函数。
根据本发明的具体实施例：激活函数可选择sigmoid函数,tanh函数,relu函数中的一种。
步骤T3，获取训练数据集。
其中，训练数据集为风电并网出现不同故障时对应的历史频率响应曲线数据。
步骤T4，将训练数据集输入到基础卷积神经网络模型中进行训练，获得频率响应异常识别模型。
根据本发明的其他实施例，可以采用现有的机器学习模型，基于现有的机器学习算法，训练出频率响应异常识别模型。
步骤S3，根据异常频率响应数据，计算系统频率响应的评价分值。
如图3所示，对频率偏移进行评估包括如下步骤：
步骤S310，计算频率响应各项评价指标的具体值。
如图4所示，步骤S310包括如下子步骤：
步骤S311，计算频率波动的严重指数，频率波动的严重指数计算公式为：
Figure BDA0002803510220000071
其中，F1表示频率波动的严重指数；Tchi表示频率波动的持续时长；Δft表示t时刻的频率偏差值；fyun表示系统允许的频率偏差值；Pbiao表示电网需求有功功率值；Pt表示t时刻系统输出的实际有功功率值。
步骤S312，计算最低点频率响应值，最低点频率响应值的计算公式为：
Figure BDA0002803510220000072
其中，F2表示最低点频率响应值；f(ch)表示初始频率；f(di)表示最低点频率；P(ch)表示初始有功功率；P(di)表示最低点频率对应时刻系统发出的有功功率。
步骤S313，计算稳态频率响应值，稳态频率响应值计算公式为：
Figure BDA0002803510220000073
其中，F3表示稳态频率响应值；P(we)表示稳态频率；f(we)表示系统频率稳定后发出的有功功率；f(ch)表示初始频率；P(ch)表示初始有功功率。稳态频率响应值用于反映频率调节的质量和趋势。
步骤S314，计算频率初始下降率，频率初始下降率计算公式为：
Figure BDA0002803510220000074
其中，F4表示频率初始下降率；f(tr)表示频率波动Tchi秒后的频率；f(ch)表示初始频率；Tchi表示频率波动的持续时长。
步骤S315，计算频率的平均变化率，频率的平均变化率的计算公式为：
Figure BDA0002803510220000081
其中，F5表示频率的平均变化率，A表示采样时间的总长；τ表示时刻；τ为正整数；pτ为τ时刻采集的频率；pτ-1为τ-1时刻采集的频率。
步骤S316，计算频率偏移最大量，频率偏移最大量的计算公式为：
F6＝max(|pt-pch|)；
其中，F6表示频率偏移最大量；max()表示取最大值；pt表示t时刻的频率；pch表示初始时刻的频率。
步骤S320，根据计算的评价指标的具体值，计算频率响应的评价分值。
具体的，频率响应的评价分值的计算公式如下：
Figure BDA0002803510220000082
其中，Zong表示频率响应的评价分值；Q1表示抗扰动因子；Q2表示抗撤机组因子；L1表示添加扰动因素情况下风电并网主母线振荡风险值；L2表示撤掉机组情况下风电并网主母线振荡风险值；S1表示添加扰动因素的扰动强度值；S2表示撤掉机组的影响强度值；ψ1表示参数；Iψ1表示第ψ1个评价指标的权重；
Figure BDA0002803510220000083
表示第ψ1个评价指标的值；
Figure BDA0002803510220000084
表示第ψ1个评价指标的预设允许限值。
步骤S4，判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，启动风电机组对风电并网系统执行第一频率反馈调控方法。
如图5所示，第一频率反馈调控方法包括如下步骤：
步骤S410，实时采集风电机组的环境数据和风电并网系统的响应数据。
步骤S420，根据风电机组的环境数据和风电并网系统的响应数据，计算风电机组的目标转速和调差系数。
其中，风电机组的目标转速计算公式为：
Figure BDA0002803510220000091
其中，Wmu表示风电机组的目标转速；Pmu表示风电机组实际输出的有功功率的与目标有功功率的差值；vye表示最佳风机轮转速；k表示风电机组的传动系数；
Figure BDA0002803510220000093
表示风电机组的发电效率；l表示风能最大利用系数；r表示风电机组的风轮半径。
其中，风电机组的调差系数计算公式为：
Figure BDA0002803510220000092
其中，δ表示风电机组调差系数，Δpfa表示风电机组的有功功率偏差值；Δfxi表示系统的频率偏差值；λ表示系统频率变化率；vfeng表示环境风速；ln()表示函数。
具体的，风电机组的有功功率偏差值Δpfa等于系统目标有功功率值减去风电机组的实际输出有功功率值。
步骤S430，根据计算的风电机组的目标转速和调差系数，对风电并网系统进行调频。
具体的，根据计算的风电机组的目标转速，调节风电机组的转子转速。根据计算的调差系数调节风电机组的调差系数。
其中，调差系数越小，调节功率越大，频率偏移越小。
作为具体实施例，通过变桨距对风电机组进行功率备用控制，使风电机组具备稳定可靠的调频容量。
作为具体实施例，通过转子动能释放，调节系统频率，使风电机组具备快速有功响应的能力。
如图6所示，第二频率反馈调控方法包括如下子步骤：
步骤S510，获取风电机组输出端口的状态数据。
其中，状态数据包括有功功率值、电压值、电流值和储能系统的最大充放电功率。
步骤S520，根据获取的风电机组输出端口的状态数据，计算风电机组的有功功率增加值。
其中，计算风电机组的有功功率增加值的计算公式为：
Pzeng＝UtIt cosα-Pt-1；
其中，Pzeng表示风电机组的有功功率增加值；cosα表示风电机组的功率因数；Ut表示t时刻风电机组输出端口的电压值；It表示t时刻风电机组输出端口的的电流值；Pt-1表示t-1时刻风电机组输出端口的的有功功率。
步骤S530，判断风电机组的有功功率增加值是否大于风电并网系统的有功功率减小值，若是，则风电机组将剩余能量的预设比例存储到储能系统；否则，储能系统向风电机组补偿能量。
具体的，风电机组的转子在转动的过程中储备能量，向电网输出有功功率，获取风电机组输出有功功率后的剩余能量，将风电机组剩余能量的30％-50％比例的能量存储至储能系统。
具体的，储能系统根据风电机组的有功功率增加值与风电并网系统的有功功率减小值的差值，向风电机组补偿能量。
如图7所示，向风电机组补偿能量的方法包括如下步骤：
步骤S610，根据风电机组的有功功率增加值和风电并网系统的有功功率减小值，计算有功功率补偿差值。
具体的，有功功率补偿差值等于风电并网系统的有功功率减小值减去风电机组的有功功率增加值。
步骤S620，根据有功功率补偿差值，计算储能系统的功率调节系数。
具体的，储能系统的功率调节系数的计算公式为：
Figure BDA0002803510220000111
其中，a表示储能系统的功率调节系数；Pbu表示有功功率补偿差值；Mchu表示储能系统的存储能量；Ω表示储能系统的最大充放电率；Mfeng表示风电机组的剩余能量；ln()表示函数；||表示绝对值符号。
步骤S630，根据风电并网系统的频率变化数据和储能系统的功率调节系数，计算储能系统需要提供给风电机组的调频输出功率值。
具体的，储能系统需要提供给风电机组的调频输出功率值Ptiao的计算公式为：
Figure BDA0002803510220000112
其中，Ptiao表示调频输出功率值；Δf表示风电机组的频率变化值；Pe表示风电机组的额定功率；fe表示风电机组的额定频率；a表示储能系统的功率调节系数。
步骤S640，根据计算的调频输出功率值，储能系统向风电机组注入能量。
实施例二
如图8所示，本申请提供一种基于人工智能的风电并网频率响应控制系统100，该系统包括：
数据采集模块10，用于采集风电并网系统的频率响应数据；
频率异常识别模块20，用于对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据；
评价模块30，用于根据异常频率响应数据，计算系统频率响应的评价分值；
频率调控模块40，用于判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，执行第一频率反馈调控方法。
本申请实现的有益效果如下：
(1)本申请利用储能系统和风电机组共同调节频率波动，有效缓解了系统的调频压力，对系统的频率波动平抑效果良好，保证了系统输出至电网的功率的稳定性，从而保证电网供电的稳定性，用电设备的稳定运行。
(2)本申请将风电机组自身转子转动产生的能量的剩余部分存储至储能系统，有效的节约了能量，提高系统的经济效益。
上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (10)

1.一种基于人工智能的风电并网频率响应控制方法，其特征在于，该方法包括如下步骤：
采集风电并网系统的频率响应数据；
对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据；
根据异常频率响应数据，计算系统频率响应的评价分值；
判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，执行第一频率反馈调控方法。
2.根据权利要求1所述的基于人工智能的风电并网频率响应控制方法，其特征在于，第一频率反馈调控方法包括如下步骤：
实时采集风电机组的环境数据和风电并网系统的响应数据；
根据响应数据，计算风电机组的目标转速和调差系数；
根据计算的风电机组的目标转速和调差系数，增大风电机组的转子转速，并减小风电机组的调差系数，对风电并网系统进行调频。
3.根据权利要求2所述的基于人工智能的风电并网频率响应控制方法，其特征在于，风电机组的目标转速计算公式为：
Figure FDA0002803510210000011
其中，Wmu表示风电机组的目标转速；Pmu表示风电机组实际输出的有功功率的与目标有功功率的差值；vye表示最佳风机轮转速；k表示风电机组的传动系数；
Figure FDA0002803510210000012
表示风电机组的发电效率；l表示风能最大利用系数；r表示风电机组的风轮半径。
4.根据权利要求2所述的基于人工智能的风电并网频率响应控制方法，其特征在于，风电机组的调差系数计算公式为：
Figure FDA0002803510210000021
其中，δ表示风电机组调差系数，Δpfa表示风电机组的有功功率偏差值；Δfxi表示系统的频率偏差值；λ表示系统频率变化率；vfeng表示环境风速；ln()表示函数。
5.根据权利要求1所述的基于人工智能的风电并网频率响应控制方法，其特征在于，第二频率反馈调控方法包括如下子步骤：
获取风电机组输出端口的状态数据；
根据获取的风电机组输出端口的状态数据，计算风电机组的有功功率增加值；
判断风电机组的有功功率增加值是否大于风电并网系统的有功功率减小值，若是，则风电机组将剩余能量的预设比例进行存储；否则，向风电机组补偿能量。
6.根据权利要求5所述的基于人工智能的风电并网频率响应控制方法，其特征在于，向风电机组补偿能量的方法包括如下步骤：
根据风电机组的有功功率增加值和风电并网系统的有功功率减小值，计算有功功率补偿差值；
根据有功功率补偿差值，计算储能系统的功率调节系数；
根据风电并网系统的频率变化数据和储能系统的功率调节系数，计算储能系统需要提供给风电机组的调频输出功率值；
根据计算的调频输出功率值，储能系统向风电机组注入能量。
7.根据权利要求1所述的基于人工智能的风电并网频率响应控制方法，其特征在于，对频率偏移进行评估包括如下步骤：
计算频率响应评价指标的具体值；
根据计算的评价指标的具体值，计算频率响应的评价分值。
8.根据权利要求7所述的基于人工智能的风电并网频率响应控制方法，其特征在于，频率响应评价指标包括如下指标：频率波动的严重指数、最低点频率响应值、稳态频率响应值、频率初始下降率、频率的平均变化率和频率偏移最大量。
9.根据权利要求1所述的基于人工智能的风电并网频率响应控制方法，其特征在于，根据预先训练的频率响应异常识别模型对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据。
10.一种基于人工智能的风电并网频率响应控制系统，其特征在于，该系统包括：
数据采集模块，用于采集风电并网系统的频率响应数据；
频率异常识别模块，用于对频率响应数据进行异常识别，获取风电并网系统的异常频率响应数据；
评价模块，用于根据异常频率响应数据，计算系统频率响应的评价分值；
频率调控模块，用于判断频率响应的评价分值是否低于预设限值，若是，则执行第二频率反馈调控方法；否则，执行第一频率反馈调控方法。
CN202011359064.2A 2020-11-27 2020-11-27 基于人工智能的风电并网频率响应控制方法及系统 Active CN112542853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011359064.2A CN112542853B (zh) 2020-11-27 2020-11-27 基于人工智能的风电并网频率响应控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011359064.2A CN112542853B (zh) 2020-11-27 2020-11-27 基于人工智能的风电并网频率响应控制方法及系统

Publications (2)

Publication Number Publication Date
CN112542853A true CN112542853A (zh) 2021-03-23
CN112542853B CN112542853B (zh) 2022-12-13

Family

ID=75016946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011359064.2A Active CN112542853B (zh) 2020-11-27 2020-11-27 基于人工智能的风电并网频率响应控制方法及系统

Country Status (1)

Country Link
CN (1) CN112542853B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102619580A (zh) * 2011-01-31 2012-08-01 华北电力科学研究院有限责任公司 一次调频控制方法及系统
WO2013167140A1 (en) * 2012-05-11 2013-11-14 Vestas Wind Systems A/S Method for coordinating frequency control characteristics between conventional plants and wind power plants
CN106374496A (zh) * 2016-09-14 2017-02-01 东北电力大学 双馈风电机组‑储能系统模拟同步机调频特性控制策略
CN206348435U (zh) * 2016-12-02 2017-07-21 江苏师范大学 一种同步带传动风电机组实验台风速模拟装置
CN107679769A (zh) * 2017-10-25 2018-02-09 东南大学 含风电的电力系统频率响应模型建立方法和频率特性指标计算方法
CN109560573A (zh) * 2018-12-10 2019-04-02 国网青海省电力公司 一种变速风电机组频率控制器参数的优化方法及装置
CN109936152A (zh) * 2018-11-09 2019-06-25 西南交通大学 高渗透率风电并网后的电网调频控制方法、风力发电机
CN111082455A (zh) * 2019-12-13 2020-04-28 中国电力科学研究院有限公司 一种风电场并网性能监测方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102619580A (zh) * 2011-01-31 2012-08-01 华北电力科学研究院有限责任公司 一次调频控制方法及系统
WO2013167140A1 (en) * 2012-05-11 2013-11-14 Vestas Wind Systems A/S Method for coordinating frequency control characteristics between conventional plants and wind power plants
CN106374496A (zh) * 2016-09-14 2017-02-01 东北电力大学 双馈风电机组‑储能系统模拟同步机调频特性控制策略
CN206348435U (zh) * 2016-12-02 2017-07-21 江苏师范大学 一种同步带传动风电机组实验台风速模拟装置
CN107679769A (zh) * 2017-10-25 2018-02-09 东南大学 含风电的电力系统频率响应模型建立方法和频率特性指标计算方法
CN109936152A (zh) * 2018-11-09 2019-06-25 西南交通大学 高渗透率风电并网后的电网调频控制方法、风力发电机
CN109560573A (zh) * 2018-12-10 2019-04-02 国网青海省电力公司 一种变速风电机组频率控制器参数的优化方法及装置
CN111082455A (zh) * 2019-12-13 2020-04-28 中国电力科学研究院有限公司 一种风电场并网性能监测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
严干贵等: "风储联合系统调频控制策略研究", 《电力建设》 *

Also Published As

Publication number Publication date
CN112542853B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN104734195B (zh) 一种可并网运行的风光储一体微电网的监控方法
Bao et al. A hierarchical inertial control scheme for multiple wind farms with BESSs based on ADMM
CN104485681B (zh) 一种风电场储能系统的监控方法
CN115693757A (zh) 一种基于数字孪生技术的光伏能源优化调控方法
CN105406496B (zh) 一种基于实测频率响应辨识的孤立微电网调频控制方法
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN104969436A (zh) 用于提供电网辅助服务的发电厂和能量存储系统
CN111371104B (zh) 一种基于风储联合发电系统的电网频率稳定控制方法
CN104734194B (zh) 一种可并网运行的风光储一体微电网
Sarrias-Mena et al. Fuzzy logic based power management strategy of a multi-MW doubly-fed induction generator wind turbine with battery and ultracapacitor
CN110336274B (zh) 增设虚拟电厂调节器的虚拟电厂运行方法
Magdy et al. Effective control of smart hybrid power systems: Cooperation of robust LFC and virtual inertia control systems
CN104505907B (zh) 一种具有无功调节功能的电池储能系统的监控装置
CN115296308A (zh) 计及储能荷电状态及自适应惯性水平的鲁棒协同调频方法
Liang et al. Battery energy storage selection based on a novel intermittent wind speed model for improving power system dynamic reliability
CN115425737A (zh) 一种高压定频调压稳压电源的智能控制系统
CN111654054A (zh) 一种储能基于自适应神经网络(ann)平抑短期风电波动的控制方法
CN112542853B (zh) 基于人工智能的风电并网频率响应控制方法及系统
JP6674849B2 (ja) 電力変動制御装置及び方法
CN115800296B (zh) 远海风电经vsc-mtdc并网系统的电压频率协同支撑方法
CN104485682A (zh) 一种风电场储能系统的监控装置
CN104505850A (zh) 一种风电场储能系统
CN116029114A (zh) 一种基于年度时序生产模拟的综合能源基地优化配置方法
CN115864377A (zh) 一种高比例风电电力系统运行可靠性和频率综合评估方法
Yang et al. Non-linear autoregressive neural network based wind direction prediction for the wind turbine yaw system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant